算法偏见的成因是？（ ）A. 数据偏差B. GPU算力不足C. 开发者偏见D. 网络延迟

算法偏见的成因主要涉及数据和人为因素。数据偏差指训练数据中存在不均衡或历史偏见，导致模型学习后放大这些问题；开发者偏见则源于设计者在算法选择、特征提取等环节的主观判断。其他选项如算力、网络延迟与偏见无直接关联。

选项分析

A. 数据偏差

关键点：数据是算法的基础。若数据本身包含历史偏见（如某群体代表性不足），模型会“继承”这些偏差，导致不公平结果。例如，面部识别系统对少数族裔准确率低，往往因训练数据中该群体样本过少。

B. GPU算力不足

关键点：算力影响模型训练效率或规模，但与偏见无直接关系。即使算力充足，若数据或设计本身有偏见，结果仍会存在偏差。

C. 开发者偏见

关键点：开发者在算法设计中可能通过特征选择、权重分配等引入主观判断。例如，为提高“安全性”而过度关注某些群体，会强化已有偏见。

D. 网络延迟

关键点：网络延迟影响实时性，但与算法决策逻辑无关，无法解释偏见的产生。